Data Scientists im Gesundheitswesen – Chancen im morbiditätsorientierten Risikostrukturausgleich

0

KrankenkassenSeit 2009 sollen der Gesundheitsfonds und der morbiditätsorientierte Risikostrukturausgleich in der deutschen gesetzlichen Krankenversicherung (GKV) für eine ausgewogenere Verteilung der Einnahmen bei den Kassen sorgen. Ziel ist ein sozialer Ausgleich für unterschiedliche Einkommensstruktur und Krankheitslasten bei den Mitgliedern. Über einen sehr interessanten Nebeneffekt, den dieses regulatorische System ungewollt ausgelöst hat, habe ich mich mit Rhett Scheel unterhalten. Rhett ist Account Advisor für die GKV bei SAS Institute GmbH und hat seit vielen Jahren Krankenkassen bei der Einführung von Analyse Systemen beratend begleitet und dabei die interessante Entwicklung dieser Branche vor Ort beobachten können.

Frage: Wie sieht dieser Nebeneffekt aus?

Rhett: Die deutschen gesetzlichen Krankenversicherungen befinden sich plötzlich in der ersten Liga der Business Analytics. Durch die bereits seit 1996 geltende Wahlfreiheit in der gesetzlichen Krankenversicherung gibt es einen politisch gewollten Wettbewerb um Mitglieder zwischen den Krankenkassen. Und Risikoanalysen und Prognoseverfahren spielen eine immer größere Rolle für die Profitabilität.

Frage: Wie sieht denn dieser Wettbewerb aus?

Rhett: Zunächst waren jene Kassen klar im Vorteil, die bereits besonders viele junge und gesunde Mitglieder mit einem guten Einkommen versichert hatten, denn sie konnten sehr günstige Tarife anbieten. Dazu gehörten unter anderen die Ersatzkassen. Dagegen hatte zum Beispiel die AOK mit ihren oft älteren und einkommensschwächeren Versicherten einen Nachteil bei den Beiträgen und den Versorgungslasten. Viele Krankenkassen versuchten deshalb Ende der 1990er-Jahre, möglichst viele junge und gesunde Mitglieder zu werben.

Frage: Und welche Auswirkungen hatte das?

Rhett: Gewinner waren die Kassen mit den besten Konditionen. Also diejenigen, die sowieso bereits die Besserverdienenden und gesünderen Mitglieder hatten und daher die günstigeren Tarife anbieten konnten. Durch die Einführung des Risikostrukturausgleichs wurde dann versucht, einen Beitragsausgleich bei den Versorgungslasten zwischen den Kassen herzustellen. Zunächst mit einem groben Raster nach Alters- und Geschlechtsgruppen, die die zu erwartenden Versorgungsaufwände grob klassifizieren sollten. Hierbei blieb aber unberücksichtigt, dass die Versicherten über unterschiedliche Einkommen verfügten und somit auch unterschiedlich hohe Beiträge an ihre Krankenkasse zahlten.

Frage: Wo gab es noch Lücken in dieser Hinsicht?

Rhett: Auch die Kosteneffekte chronischer Erkrankungen und Multimorbidität wurden über Alters- und Geschlechtsgruppen nicht hinreichend abgebildet, was ein Gleichgewicht in der Verteilung der Mittel verhinderte. Der Gesundheitsfonds und der morbiditätsorientierte Risikostrukturausgleich sollen eine Ausgewogenheit herstellen und sicherstellen, dass in Deutschland auch Niedrigverdiener oder multimorbide Menschen ihre Krankenkasse frei aussuchen können. Sie dürfen von den Kassen weder abgelehnt noch gekündigt werden. Dabei soll es einen freien Wettbewerb unter den Krankenkassen geben.

Frage: Wie funktioniert das?

Rhett: Das funktioniert so, dass die Versicherten ihren einkommensabhängigen Beitrag nicht direkt an ihre Krankenkasse, sondern zentral in den Gesundheitsfonds einzahlen. Die Krankenkasse erhält dann für jeden Versicherten einen nicht am Einkommen, sondern an der Morbidität des Versicherten orientierten Beitrag aus dem Gesundheitsfonds. Je höher die Krankheitshäufigkeit eines Versicherten, desto mehr Geld erhält die Kasse für ihn aus dem Fonds. Das soll dafür sorgen, dass Krankenkassen durch die Aufnahme schwer- oder chronisch kranker Mitglieder keine wirtschaftlichen Nachteile mehr haben. Der Wettbewerb der Kassen besteht dann nur noch darin, die aus dem Fonds erhaltenen Mittel möglichst effizient zum Nutzen ihrer Versicherten einzusetzen. Dadurch steigern sie ihre Attraktivität für ihre eigenen Mitglieder sowie für wechselwillige Mitglieder anderer Kassen. So die Idee der Politik.

Frage: Welcher Herausforderung müssen sich die Kassen hierbei stellen?

Rhett: Sie müssen sicherstellen, dass sie selbst wirtschaftlich gesund haushalten. Dies wird jährlich vom Bundesversicherungsamt (BVA) überprüft. Im Falle einer wirtschaftlichen Schieflage fordert das BVA von der Kasse die Einziehung eines Zusatzbeitrags von ihren Mitgliedern. Der Zusatzbeitrag macht eine Kasse im Wettbewerb natürlich unattraktiv für die Versicherten.

Frage: Wie aber können Krankenkassen in dem bestehenden Ausgleichssystem vorausschauend haushalten?

Rhett: Hier kommt Analytics ins Spiel. Durch den verstärkten Einsatz von immer ausgefeilteren Risikoanalysen und Prognoseverfahren. Auf der Einnahmeseite erhalten die Kassen schwer vorhersagbare Zuweisungen aus dem Gesundheitsfonds, deren Höhe vom Gesundheitszustand ihrer Versicherten (berechnet anhand der Diagnosen des Vorjahres) abhängt. Auf der Ausgabenseite stehen die schwer abschätzbaren Behandlungskosten im laufenden Versicherungsjahr, die unabhängig von den nach Vorjahresdiagnosen berechneten Zuweisungen aus dem Gesundheitsfonds sind. Des Weiteren sind die Ausgaben der Kassen von vielen anderen Einflussfaktoren abhängig, wie Kostenentwicklungen für Arzneimittel und Therapien, Einführung von teureren Behandlungsmethoden oder neu ausgehandelte Tarife mit Leistungserbringern wie Ärzten, Krankenhäusern oder Fahrdiensten. Darüber hinaus gibt es häufig neue gesetzliche Vorgaben, die die Krankenkassen im laufenden Betrieb ins System integrieren müssen. Das alles ist nicht mehr ohne analytische Hilfsmittel zu überblicken und zu steuern.

Frage: Das klingt nach einem komplexen Ansatz für Business Analytics?

Rhett: Die Krankenkassen sind gezwungen, unter sehr unübersichtlichen Verhältnissen valide Vorhersagen über ihre Einnahmen und Ausgaben zu machen, um einigermaßen effektiv haushalten zu können. Dazu erforderlich sind der Einsatz von analytischen Werkzeugen und der Aufbau von statistischem Know-how bei den Mitarbeitern. Heute müssen die Krankenkassen strategisch planen, um auf der einen Seite wirtschaftlich erfolgreich zu sein und auf der anderen Seite die eigenen Mitglieder (und potenziell neue Mitglieder) mit dem Leistungsangebot zufriedenzustellen. Dieser Spagat lässt sich ohne den verstärkten Einsatz von modernen statistischen Verfahren für Prognosen und Risikoabschätzungen nicht mehr bewerkstelligen.

Frage: Wo liegt die Komplexität?

Rhett: Um sinnvoll wirtschaften zu können, müssen Kassen die zu erwartenden Einnahmen aus dem Gesundheitsfonds schätzen. Voraussetzung dafür ist, dass sie die Berechnung der sogenannten MorbiRSA-Analysen (statistisches Verfahren für den morbiditätsorientierten Risikostrukturausgleich) des Gesundheitsfonds nachvollziehen oder sogar die Ergebnisse vorhersagen können. Bei der Prognose wird auf Basis der von den Ärzten gemeldeten Diagnosen der Versicherten aus dem Vorjahr eine Klassifizierung in sogenannte Morbiditätsgruppen vorgenommen. Diese bestimmt dann, welchen Betrag die Kasse für die Versicherten aus dem Gesundheitsfonds erhält. Die Berechnungen, die auf den Diagnosedaten aller Versicherten der Kasse (in Deutschland gibt es 70 Mio. gesetzlich krankenversicherte Personen) beruhen, sind nur mit sehr leistungsfähigen Analysesystemen umsetzbar. Die Berechnungsverfahren ändern sich regelmäßig, weil die Beitragsgewichtung der verschiedenen Morbiditätsgruppen im Gesundheitsfonds Gegenstand widersprüchlicher Interessen der einzelnen Krankenkassen ist. Auf die Änderungen müssen sich alle Beteiligten regelmäßig neu einstellen. Entsprechend wichtig für die Kassen ist die Verfügbarkeit von ausreichend statistischer Expertise.

Frage: Wo werden noch Prognosen benötigt?

Rhett: Auch auf der Ausgabenseite versuchen Krankenkassen heute, in allen Bereichen valide Prognosen zu erstellen, indem sie die zu erwartenden Ausgaben, z. B. für Arzneimittel, Krankenhausbehandlungen usw., auf Basis historischer Daten für die kommende Periode berechnen. Angesichts von Rabattverhandlungen oder Verträgen zur integrierten Versorgung mit den jeweiligen Leistungserbringern ist es für die Krankenkassen essenziell, die kostenseitigen Auswirkungen vorgeschlagener Preisvereinbarungen schnell auf den Gesamtbestand und die volle Vertragslaufzeit hochrechnen zu können. Auch die Ermittlung der Wahrscheinlichkeit für das Eintreten von Leistungsfällen zur Kostenvorhersage, die sogenannte LOH (Likelihood of Hospitalization), ist für die Krankenkassen von enormer Wichtigkeit. Daneben evaluieren die Kassen immer wieder den Nutzen von Programmen zur integrierten Versorgung oder von prophylaktischen Programmen zur Verhinderung von Erkrankungen im Hinblick auf Attraktivität für Versicherte, Kosten sowie gesundheitliche und wirtschaftliche Effektivität.

Frage: Welches Fazit lässt sich daraus ziehen?

Rhett: Die gesetzlichen Krankenversicherungen in Deutschland verwenden heute alle in hohem Maße analytische Methoden zur Steuerung ihres Geschäfts. Alle größeren Krankenkassen verfügen über strategische Abteilungen mit Statistikexperten, die sich ausschließlich mit Analysen zur Unterstützung der strategischen Planung befassen. Die Krankenkassen denken heute schon täglich darüber nach, wie sie ihr Geschäft mithilfe von analytischen Methoden noch besser steuern können. Seit einiger Zeit befassen sich viele Kassen aber auch mit der Frage, ob analytische Ergebnisse zur kontinuierlichen Verbesserung ihrer operativen Prozesse nutzbar sind. Dies geht in Richtung Automatisierung, Nutzung von Text-Mining-Verfahren und Machine-Learning-Algorithmen. Zusammenfassend lässt sich sagen, dass sich die GKV in Deutschland zu einer der führenden Branchen in Bezug auf Business Analytics entwickelt hat.

Vielen Dank, Rhett!

Share

About Author

Christian Engel

Based in Germany, Christian Engel is a Head of Banking experts and advisors for SAS

Christian Engel has lead a group of strategic business analytics advisors for key SAS accounts since 2006. His academic background is in mathematics and he completed his Diploma degree with concentrations in Operations Research in 1996 in Darmstadt. His day-to-day work involves calculating the value contribution of analytics software, optimizing analytic platforms for departments, and innovation projects related to new software technologies.

Leave A Reply

Back to Top